Migrating keras.backend.conv2d from Keras 1.x to 2.x

Question

我正在将一个项目从keras 1.x迁移到2.x。

在代码中，在1.x中运行良好的keras.backend.conv2d操作现在在2.x中崩溃。

convs = K.conv2d(a, b, padding='valid', data_format='channels_first')

输入张量 a和 b均为 (1024, 4, 1, 1)，输出张量为 (1024, 1024, 1, 1)在1.x中。

使用2.x，我会收到以下错误：

ValueError: CorrMM: impossible output shape
  bottom shape: 1024 x 4 x 1 x 1
  weights shape: 1 x 1 x 1024 x 4
  top shape: 1024 x 1 x -1022 x -2
Apply node that caused the error: CorrMM{valid, (1, 1), (1, 1), 1 False}(Print{message='a', attrs=('__str__',), global_fn=<function DEBUG_printTensorShape at 0x00000272EF1FAD08>}.0, Subtensor{::, ::, ::int64, ::int64}.0)
Toposort index: 30
Inputs types: [TensorType(float32, (False, False, True, True)), TensorType(float32, (True, True, False, False))]
Inputs shapes: [(1024, 4, 1, 1), (1, 1, 1024, 4)]

我正在使用Theano后端，并在K.set_image_data_format和conv2d中设置channels_first。

Answer 1

在conv2D方法中，a是实际图像，b是内核。

---

a的预期形状为（带有" channels_first"）：

(batchSize, channels, side1, side2)

所以，您的输入具有：

• 1024图像
• 4个频道
• 图像1 x 1

---

但是，尽管使用'channels_last'，但b的预期形状是：

(side1,side2, inputChannels,outputChannels)

这似乎有些误导，因为在过滤器中，它仍然是频道。（在我的Keras上测试，版本2.0.4）

因此，如果您的输出为(1024,1024,1,1)，我认为b应该具有1024个输出过滤器，因此应将其塑造为：

(1,1,4,1024)

您可能应该使用一些方法来缩小尺寸，而不仅仅是重塑。Numpy具有swapaxes，KERAS具有K.permute_dimensions。